机器之心2020-2021全球AI技术发展趋势报告92页会员免费优质

章节一：顶会趋势（NeurIPS）分析章节二：2020~2021 技术趋势总结211-1 发表论文作者相关数据情况1-2 发表论文机构相关数据情况1-3 趋势分析 1-3-1 论文热门主题 1-3-2 知名机构关注论文主题 1-3-3 报告相关热门技术 1-3-4 趋势小结2-1 背景2-2 人工智能技术总趋势2-3 人类语言技术趋势2-4 计算机视觉技术趋势2-5 机器人与自动化技术趋势2-6 机器学习技术趋势2-7 智能基础设施技术趋势2-8 数据智能技术趋势2-9 前沿智能技术趋势04081212161920222328313334363839Contents目录02前言01章节三：2020~2021 技术趋势分析详解413-1 人类语言技术42本章节仅于完整版报告内收录3-3 机器人与自动化技术44本章节仅于完整版报告内收录3-4 机器学习45本章节仅于完整版报告内收录3-2 计算机视觉43本章节仅于完整版报告内收录

3-5 智能基础设施46本章节仅于完整版报告内收录附录 I：技术趋势分析方法、数据及局限49本章节仅于完整版报告内收录3-7 前沿智能技术48本章节仅于完整版报告内收录3-6 数据智能技术47本章节仅于完整版报告内收录附录 II：技术领域相关大事件 (2015~2020)501 人类语言技术2 计算机视觉3 机器人与自动化技术4 机器学习5 智能基础设施6 数据智能技术7 前沿智能技术51535456596468附录 III：Synced Indicators751. 人类语言技术2. 计算机视觉3. 机器人与自动化技术4. 机器学习5. 智能基础设施6. 数据智能技术7. 前沿智能技术76777879808182附录 IV：参考文献83结束语86

01「 前言 」2017 年，我们发布了《机器之心人工智能技术趋势报告》，系统介绍了人工智能领域（AI）下不同的技术分支，并以定性分析的方法讨论了各分支技术当时所处的发展阶段、瓶颈以及未来发展方向，帮助读者理解飞速发展中的 AI 领域内各项技术的概况和层出不穷的新鲜技术内涵。在初版报告发布至今的这三年里，越来越多的 AI 技术实现了商业落地，但也有不少深度学习方法开始触碰到技术自身的天花板，亟需突破。在这个可能是 AI 技术发展的关键拐点，我们发布《2020-2021 全球 AI 技术趋势发展报告》，兼顾 2017 年初版报告定性分析方法的同时，重点加强了数据层面的挖掘、分析和探索，更加侧重对具体技术趋势的挖掘以及量化分析指标的形成。定量研究方面，本报告基于近五年的开源论文与专利语料，结合机器之心自有的新闻舆论以及模型最佳表现（SOTA）等相关数据库进行了探索性数据分析，并形成了用以帮助技术趋势判定的量化指标 Synced Indicator；定性研究方面，我们邀请了近 100 位专家学者通过问卷形式了解其对具体技术成熟情况的分析判断。报告分 Lite（简要版）与 Plus（完整版）两个版本。当前的 Lite 版涵盖“顶会趋势（NeurIPS）分析”、“2020-2021 技术趋势总结”两个主要部分，同时包含“参考文献”、“近年技术领域相关大事件”以及“Synced Indicator 技术指标”的附录供参考。另有 Plus 版在 Lite 版的基础上增加了包含完整数据和丰富图表的各技术领域趋势分析细节，同时在附录介绍了具体的数据来源、分析方法、研究局限以及未来研究方向供参考。

02「 章节一 」顶会趋势（NeurIPS）分析1-1 发表论文作者相关数据情况1-2 发表论文机构相关数据情况1-3 趋势分析 1-3-1 论文热门主题 1-3-2 知名机构关注论文主题 1-3-3 报告相关热门技术 1-3-4 趋势小结

032020-2021 全球 AI 技术趋势发展报告（简要版）机器之心 · 产业研究NeurIPS 2020 刚刚落下帷幕，今年的 NeurIPS 2020 因疫情原因而改为线上举行，一万八千人参会的 NeurIPS 2020 相比去年数量暴涨了三成。今年的最佳论文奖项（Best Paper Awards）由三篇论文共同获得，分别是 CMU 与米兰理工大学合著的《No-Regret Learning Dynamics for Extensive-Form Correlated Equilibrium》，利用学习的方法为通用交互寻找「相关均衡」（correlated equilibria，CE），UC Berkeley 学者发表的关于复杂数据的高效数据总结（data summarization）任务 相 关 论 文《Improved Guarantees and a Multiple-D...